Afin de prédire l'efficacité et l'activité des catalyseurs de dénitrification des fumées utilisés dans des conditions de travail fixes, cet article analyse les caractéristiques associées entre les propriétés du procédé de réduction catalytique sélective (SCR) et les caractéristiques géométriques et physico-chimiques des catalyseurs. En utilisant une analyse de corrélation matricielle, une analyse en composantes principales (PCA) pour simplifier les paramètres d'entrée, un modèle prédictif amélioré du réseau neuronal a été proposé. Après l'entraînement d'un grand volume de données, un modèle prédictif du réseau neuronal PCA-LMBP pour l'efficacité et l'activité des catalyseurs de dénitrification a été établi, et ce modèle a été utilisé pour simuler les prévisions des données de mesure réelles. Les résultats de la prédiction par rapport aux valeurs réelles montrent que le modèle prédictif du réseau neuronal PCA-LMBP a une précision élevée et est instructif pour les tests de performance des catalyseurs de dénitrification des fumées, le contrôle de qualité et les services techniques connexes.

SCR: dénitrification des fumées; catalyseur; analyse en composantes principales; réseau neuronal LMBP; efficacité de dénitrification; caractéristiques technologiques; activité